我的 RTX 5090 从 77 降到 7 tokens/s，元凶是 VRAM 压力

作者在自用 Windows 11 桌面（RTX 5090 32GB、WSL2 中 vLLM、NVFP4 量化的 Qwen3.8 27B，服务多小时代码会话的 DSH agent）上发现，每次视频通话都会使推理速度下降最多 10 倍，而 vLLM 从未报错或崩溃。文章给出决定性测试、VRAM 计算以及止住该问题的配置改动。

AI推荐理由 作者在 Windows 11 桌面（RTX 5090 32GB、WSL2 中运行 vLLM、服务 NVFP4 量化的 Qwen3.8 27B）上观察到视频通话期间推理速度从 77 降至 7 tokens/s，且 vLLM 未报 OOM 或崩溃。属于本地 LLM 部署中 VRAM 争用的具体实测案例，对本地推理与开发工具有实用参考；但为个人经验，缺少完整配置与可复现数据。